L’intelligence artificielle en pratique

This post is also available in: English

Les fournisseurs se précipitent avec des solutions d’IA sur le marché avant que les décideurs et acheteurs ne soient au courant de rien de quoi ils ont comme besoin. Les dirigeants d’entreprises, politique et de technologie s’inquiètent davantage lorsque les Patrons, les interrogent sur les spécificités de ce que l’IA peut accomplir, quand et en quoi l’IA diffère de l’apprentissage machine au moment que les fournisseurs de robots et de logiciels virtuels s’apprêtent à détourner les capacités véritables de l’IA. Nous mettons en pratique cet oxygène qui devrait nourrir la majorité des individus et sociétés.

Première étape: expliquer l’IA

La première étape consiste à communiquer les définitions relatives à l’IA, à l’apprentissage automatique et à l’apprentissage approfondi. Certains soutiennent que l’IA, l’apprentissage automatique et l’apprentissage approfondi, sont des technologies individuelles. Nous les considérons comme des étapes successives de l’automatisation et de l’analyse informatiques reposant sur une plate-forme commune et poursuivant les mêmes objectifs.

Au premier niveau se trouve l’IA, le plus large qui analyse les utilisateurs, imitant l’intelligence humaine. L’apprentissage automatique repose sur l’application de niveau 2 de l’IA, qui non seulement analyse les données brutes, mais également les caractéristiques, les modèles de données pouvant donner des informations supplémentaires. L’apprentissage approfondi est une application de troisième niveau qui analyse les données et modèles, mais allant encore plus loin. L’ordinateur utilise également des algorithmes avancés de réseau neuronal développés par des experts, qui posent plus de questions sur les données et permettent de générer encore plus d’informations.

Deuxième étape: mise en pratique de l’IA / ML et de l’apprentissage approfondi

La meilleure approche pour démontrer ces différentes couches d’analyses de plus en plus complexes, consiste à trouver un exemple commercial qui puisse montrer les avantages de la prise de décision.

Prenons l’échantillon de planification du trafic.

Premier niveau: l’IA dans l’ingénierie civile

Vous développez une application d’IA qui indique à vos ingénieurs et planificateurs de la circulation, où se trouvent les principaux points d’encombrement de circulation dans la ville. Cela les aide à planifier la réparation des routes, les urgences, les feux de signalisation et d’autres infrastructures qui, espérons-le, pourront réduire la congestion dans certaines zones.

Niveau deux: rôle de l’apprentissage automatique

Vous développez votre analyse de l’intelligence artificielle afin qu’elle recherche également des modèles dans les données. Par exemple, il remarque que le trafic à certaines intersections est le plus congestionné le matin entre 6h et 8h, ou que le trafic est dense le soir avant un événement sportif. La connaissance de la situation permet aux planificateurs et ingénieurs de mieux comprendre, car ils peuvent désormais planifier non seulement les embouteillages, mais également les événements à venir, tels que les fêtes, les concerts et les jeux sportifs.

Niveau 3: rôle de l’apprentissage approfondi

L’apprentissage approfondi est le moment où l’analyse de données dépasse les données brutes et les modèles. Il ajoute des algorithmes et techniques spécifiques avec des modèles développés par les ingénieurs de données afin d’étendre davantage l’interrogation et les informations dérivées. Ces algorithmes pourraient être ajoutés à l’analyse du trafic, incluant: Quelles zones de la ville connaîtront la plus forte croissance démographique au cours des dix prochaines années? Ou, quelles routes nécessiteront des réparations majeures dans les cinq prochaines années? Ou bien les prévisions météorologiques indiquent-elles qu’il y aura plus ou moins de neige, de chaleur et d’humidité au cours des cinq prochaines années? En ajoutant ces algorithmes aux analyses de modèles et données, les utilisateurs obtiennent une image plus complète de la situation sur laquelle ils essaient d’agir, d’évaluer, de prévoir ou de mieux prescrire.

Remarques finales

 L’objectif ultime est de garantir que les entreprises (politiques) et l’informatique conservent une compréhension approfondie de ce qu’est l’IA (et ses dérives) et de la manière dont elle sera utilisée à l’avantage des organisations et du grand public. Cette compréhension devrait aller au-delà des mots et définitions. Cela devrait être intégré dans les plans stratégiques liés aux budgets, à l’acquisition et développement de talents, Revenue sur investissement et aux résultats dans le nouvel esprit politique, une nouvelle pensée qui définit l’ADN de transformation numérique. La maîtrise de l’IA et du Big Data constituent l’oxygène de notre destin, pas seulement le pétrole de l’avenir, comme le disent les autres.